这次计划做成一个AR Sensor Fusion 系列，从底层传感器一直写到空间计算。
这样每篇都有实验、有代码、有图，阅读量也更高。
这次的内容主要是IMU为什么需要融合。
标题
《AR眼镜中的第一块基石：为什么单个传感器不可靠？》
1 传感器基本介绍
这次主要看三个传感器，Accel，Gyro，Mag。下面是MPU9250的datasheet。
1.1 Accel
Accel → 重力方向，这个主要是测量加速度，比较特别的是它还会测试到重力，也就是G。下面就是我几乎尽量放平，可以看到X，Y都是趋向0，Z差不多是0.87g，也就是重力加速度。
这个主要作用第一是求Pitch，也就是前后倾角。第二是求Roll，也就是左右倾角。总的来说主要是用来判断方向。
缺点是动态的时候误差巨大。
1.2 Gyro
Gyro → 旋转运动。Gyroscope陀螺仪，这个主要是测量角速度，单位是°/s或者rad/s，可以用来得到速度，也可以得到方向。
优点是响应快，但是会累计误差，产生漂移。
1.3 Mag
Mag → 地球磁场方向，这里的设备是Magnetometer，磁力计。它主要是测量地球磁场，单位是μT，MicroTesla。
这个主要是输出Mx My Mz，也就是地球磁场的向量。这个也可以用来取得朝向，好像是有绝对参考北极。
缺点是很容易被干扰。
| 传感器 | 测量对象 | 优点 | 缺点 |
|---|---|---|---|
| Accel | 重力+加速度 | 长期稳定 | 运动时噪声大 |
| Gyro | 角速度 | 响应快 | 漂移 |
| Mag | 地磁场 | 有绝对方向 | 易受干扰 |
介绍：
Accel Gyro Mag各自的问题：
| 传感器 | 优点 | 缺点 |
|---|---|---|
| Acc | 不漂移 | 震动大 |
| Gyro | 响应快 | 会漂 |
| Mag | 绝对方向 | 易受干扰 |
对于AR来说，Accel=头有没有低下，Gyro=头正在怎么转，Mag=头最终朝向哪里。
总的来说，Accel、Gyro、Mag 解决的是“姿态（Orientation）”问题。
实验1：加速度计
静态：
Pitch Roll很稳定。
然后摇晃眼镜：
Pitch Roll疯狂跳。
实验2：陀螺仪漂移
放桌上：
Yaw记录30分钟。
画图：
0° 1° 3° 5° ...这是非常震撼的实验。
实验3：磁力计干扰
磁铁靠近：
Yaw瞬间偏转。
收获
得出结论：
没有任何单个传感器可信第二篇：从9轴融合到电子罗盘
标题
《实现第一个AR姿态系统：MPU9250九轴融合》
内容
介绍：
Pitch Roll Yaw实验1
画：
Mx My散点图
旋转一圈。
实验2
磁力计校准
校准前：
椭圆校准后：
圆效果特别明显。
实验3
互补滤波
同时显示：
Accel Gyro Fusion三条曲线。
实验4
3D立方体姿态显示
Pico输出：
QuaternionPC显示：
3D Cube第三篇：AR眼镜为什么不能只靠IMU
标题
《Yaw漂移：AR眼镜虚拟画面飘走的根源》
这是AR和无人机的分水岭。
实验
头部运动：
左转90° 右转90°持续10分钟。
记录：
真实位置 计算位置误差。
展示：
虚拟箭头逐渐偏离。
收获
引出：
VIO第四篇：Camera + IMU = VIO
标题
《AR定位核心：Visual-Inertial Odometry》
内容
介绍：
Camera + IMU融合。
实验1
仅IMU：
轨迹漂移实验2
Camera+IMU：
轨迹闭环推荐：
OpenVINS
VINS-Fusion
实验3
手机录制视频
提取ORB特征点。
显示：
Feature Tracking第五篇：AR里的时间同步
标题
《Sensor Fusion最大的坑：时间戳》
很多新人完全没意识到。
实验1
Camera：
30fpsIMU：
1000Hz故意制造：
10ms延迟。
观察：
姿态抖动实验2
50ms
观察：
AR漂移这是高通平台非常实际的问题。
第六篇：AR眼镜里的其它传感器
标题
《除了IMU，AR眼镜还有哪些传感器？》
内容：
ALS
环境光
实验：
手电照射自动调亮度。
Proximity
佩戴检测
实验：
摘下眼镜自动灭屏。
Hall
实验：
折叠镜腿进入待机。
ToF
实验：
手势距离测量。
第七篇：功耗与Always-On Sensor
标题
《AR眼镜一天续航的秘密》
内容：
IMU Always On Camera On Demand实验1
测电流：
| 模式 | 电流 |
|---|---|
| Sleep | xx |
| IMU | xx |
| Camera | xx |
实验2
Motion Trigger
静止：
Camera关闭运动：
Camera启动第八篇：从Sensor Fusion到Spatial AI
标题
《未来AR：从传感器融合到空间智能》
介绍：
IMU Camera Mic ToF GPS统一融合。
实验
例如：
头部方向
IMU注视方向
Eye Tracking空间位置
VIO语音
Mic融合成：
用户意图整个系列最吸引人的实验
我认为阅读量最高的不是滤波公式，而是下面几个：
TOP1
陀螺仪漂移
TOP2
磁力计校准前后散点图
TOP3
3D立方体姿态显示
TOP4
Camera+IMU轨迹对比
TOP5
时间同步误差实验
尤其是第五篇《时间戳为什么比滤波器更重要》，这类内容网上非常少，但在 Qualcomm、AR、Camera 实际项目里价值极高，很容易形成你的个人特色，而不是又一篇 MPU9250 入门教程。
